企业官网建设流程全解析

qiaomu-anything-to-notebooklm图片OCR功能：扫描版PDF如何变成可学习的内容源

【免费下载链接】anything-to-notebooklmClaude Skill: Multi-source content processor for NotebookLM. Supports WeChat articles, web pages, YouTube, PDF, Markdown, search queries → Podcast/PPT/MindMap/Quiz etc.项目地址: https://gitcode.com/GitHub_Trending/an/qiaomu-anything-to-notebooklm

qiaomu-anything-to-notebooklm 是一款开源的多源内容智能处理工具，内置图片 OCR 功能，能把扫描版 PDF、截图、拍照文件自动识别成文字，再一键上传 Google NotebookLM，生成播客、PPT、思维导图和 Quiz 等可学习内容源。

一、为什么扫描版 PDF 用不了？

普通的电子 PDF 内部就有文字层，复制、搜索都没问题。但扫描版 PDF 不一样——它本质上是一张张图片，没有任何可提取的文字：

• ❌ 选中文字复制：失败
• ❌ 全文搜索关键词：找不到
• ❌ 丢给 AI 学习：AI 只能"看图说话"，无法精读

而 OCR（Optical Character Recognition，光学字符识别）的作用，就是把图片里的文字"读"出来，变成真正的文本。这样扫描件就和原生 PDF 一样，可以被上传、检索、学习和再利用。

二、OCR 功能的工作原理：三步流水线

qiaomu-anything-to-notebooklm 的 OCR 处理是一条全自动流水线，你只需要给文件路径，剩下的由 main.py 主入口和 SKILL.md 中定义的技能规则自动完成：

扫描件/图片 ──① markitdown OCR──▶ 纯文本 TXT ──② notebooklm source add──▶ NotebookLM ──③ AI 生成──▶ 播客/PPT/思维导图/Quiz

1. OCR 识别：由 requirements.txt 中声明的markitdown[all]负责，自动识别 PDF 扫描件和图片中的文字，并保存为 TXT 文件
2. 上传内容源：通过 NotebookLM 命令行把 TXT 上传为学习源（Source）
3. AI 生成：根据你的自然语言指令，生成播客、PPT、思维导图等格式

💡 整个过程无需手动指定"这是扫描件"，工具会自动判断输入类型，识别到扫描件时自动走 OCR 分支。

支持 OCR 的文件格式

三、扫描版 PDF 变播客的快速上手步骤

第 1 步：一键安装（只需 Python 3.9+）

cd ~/.claude/skills/ git clone https://gitcode.com/GitHub_Trending/an/qiaomu-anything-to-notebooklm cd qiaomu-anything-to-notebooklm ./install.sh

install.sh 会自动安装 markitdown（OCR 依赖）、Playwright 浏览器和 NotebookLM CLI，全程无需手动装依赖。装完可以运行 check_env.py 做 13 项环境自检，全部打勾即代表 OCR 链路就绪。

第 2 步：一次性认证 NotebookLM

notebooklm login notebooklm list # 验证登录成功

第 3 步：说一句话，剩下的交给 AI

在 Claude Code 中直接对扫描件下达自然语言指令即可，例如：

把这个扫描PDF做成报告 /path/to/scan.pdf

工具会自动执行：检测扫描件 → markitdown OCR 提取文字 → 上传 NotebookLM → 生成报告，最后把结果文件路径告诉你。

四、OCR 的 4 个实用场景

场景 1：扫描版论文 → 播客🎙️ 把扫描 PDF 路径丢给工具，要求"生成播客"，通勤路上就能听完一篇论文精华。

场景 2：拍照笔记 → 思维导图🗺️ 手机拍的照片（JPG/PNG）同样支持 OCR。识别成文字后生成思维导图，理清知识结构。

场景 3：批量扫描件 → 综合学习📦 一个 ZIP 包里放多份扫描文件，工具会自动解压并批量 OCR，合并成统一的内容源，再生成 PPT 或报告。

场景 4：扫描书籍 → 深度分析📚 对识别后的全文启用深度分析模式（--deep-analysis），自动生成 10 个核心问题并逐一递归提问，输出结构化 JSON 分析结果。

五、常见问题 FAQ

Q：OCR 识别准确率怎么样？清晰扫描（300 DPI 以上、排版工整）的中文/英文文档识别率很高；手写体、模糊照片的准确率会下降，建议先放大或二值化图片。

Q：支持多长的扫描件？识别后的文本约 1000～10000 字生成效果最佳，上限约 50 万字。过短的文档（<500 字）AI 发挥空间有限。

Q：不装 OCR 相关依赖可以吗？OCR 是随 install.sh 自动安装的 markitdown 能力，无需额外配置。如果只想处理原生 PDF、网页、播客等内容源，OCR 分支本来也不会被触发。

Q：处理完的中间文件会残留吗？OCR 产出的 TXT 临时文件保存在/tmp/目录，系统重启后自动清理，不用担心占空间。

六、相关文件导航

想深入了解 OCR 分支的判定规则和命令映射，可以查阅仓库内这些文件：

• 技能定义与触发词：SKILL.md
• CLI 主入口：main.py
• 一键安装脚本：install.sh
• 环境自检脚本：check_env.py
• Python 依赖清单（含 markitdown）：requirements.txt
• URL 抓取与转写脚本：scripts/

一句话总结：扫描版 PDF 不再是"死图"——qiaomu-anything-to-notebooklm 用 markitdown 的 OCR 能力把图里的字读出来，再交给 NotebookLM 变成播客、PPT 和思维导图，让纸质文档真正进入你的 AI 学习工作流。

【免费下载链接】anything-to-notebooklmClaude Skill: Multi-source content processor for NotebookLM. Supports WeChat articles, web pages, YouTube, PDF, Markdown, search queries → Podcast/PPT/MindMap/Quiz etc.项目地址: https://gitcode.com/GitHub_Trending/an/qiaomu-anything-to-notebooklm